本文探讨了自动驾驶感知技术在高速重卡中的应用，重点介绍了车道线检测和障碍物检测。车道线检测从传统方法到深度学习方法的转变，利用深度学习的图像分割和Spatial CNN提高精度。障碍物检测中，通过Faster RNN、YOLO等方法解决不同大小物体的检测。文章还提及了激光雷达在物体检测和地面识别中的作用，并讨论了感知技术在重卡自动驾驶中面临的挑战，如成本、性能和可靠性问题。
前言
自动驾驶中的感知技术如同驾驶员的"眼睛"和"耳朵"，在高速重卡的场景中，感知技术将面临哪些挑战？在量产化道路中，如何让感知技术与产品相结合去看清和理解足够的场景？
这里，感知的定义就不多介绍了，感知是我们自动驾驶的"眼睛"和"耳朵"，是自动驾驶信息获取的第一步，所以感知是非常基础和关键的一个环节。这需要在我们的自动驾驶车辆上布满传感器，这样才能360°无死角的知道周边的各种情况，而且不止包括我们的"眼睛"Camera，还包括我们的"耳朵"激光雷达和毫米波雷达等非视觉传感器，这些在我们的测试车辆上都是必备的，我们可以从上图中看到，我们的车辆上布满了传感器，车前、车尾、车顶都会存在传感器。
自动驾驶车辆除了能看到东西之外，关键还是需要理解它。只有理解它之后获得的信息，才对我们后续的处理有意义，所以
订阅专栏 解锁全文
扫一扫
1569
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
